水下加筋板振动声辐射的代理模型研究

在船舶工业领域中,随着制造技术的不断发展,噪声问题也日益突显,噪声控制和预报逐渐成为人们关注的重点和研究方向。本文以Kriging模型为基础建立水下加筋板振动声辐射的代理计算模型,能够对加筋板结构的声功率和共振频率进行实时预测,为船舶的优化设计和噪声控制提供数据支持。     

基于高阶谱的水下目标识别

利用高阶谱估值法,对具有很强非高斯性和非线性的舰船辐射噪声信号进行分析及特征提取,并通过结构自适应神经网络作为分类实验,表明基于高阶谱的特征提取具有较强的类别可分性,在无源声纳目标识别中特具潜力。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

一种基于代理模型的水下目标分类识别方法

基于Kriging模型和圆柱壳振动相似性理论,以圆柱壳近似代替潜艇模型为例建立代理模型,可按照潜艇排水量大小分为大、中、小和袖珍4个艇级的潜艇进行分类识别。把逆向思维运用到代理模型中,将计算得到的圆柱壳固有频率作为输入值,圆柱壳的外形尺寸长度和半径作为输出的结果值建立代理模型。通过计算结果得出,使用基于Kriging方法的代理模型能够快速而准确的识别潜艇的分类。     

基于代理模型的水下航行体头型优化设计方法研究

文章采用Kriging代理模型技术针对水下航行体头型优化设计开展研究。采用CFD方法分析了不同头型水下航行体的流体动力性能,将性能参数作为初始样本建立代理模型;根据测试样本点的预测均方误差选择加点策略更新代理模型,提高代理模型预测精度;采用非劣分类遗传算法对阻力和表面压力开展多目标优化,寻找近似最优解。结果表明:基于代理模型技术的水下航行体头型多目标优化设计方法可以有效提高设计效率,获得具有良好水动特性的航行体头型。     

基于形态特征的水下小目标识别方法

为应对恐怖组织利用蛙人或水下机器人等小型武器的攻击,需要在一些重要的部位,如港口、码头、海岸洞库和锚泊水域中安装水下智能监控系统,而小目标识别技术是该系统的核心技术之一.本文对蛙人等水下小目标的特征进行了研究,提出基于形态特征的水下小目标识别方法.由实验结果可以得出,此算法具有较高的小目标检测率,有效提高了水下智能监控系统的可靠性.     

基于水下三维目标识别的视觉系统

基于水下三维目标识别的视觉系统是水下机器人实现水下自主作业和智能化的关键技术。本文叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的前处理，硬件系统和实时处理功能，最后给出试验结果，说明识别系统的高效率与可靠性。     

舰船磁场模型参数在目标识别中的应用

在深入研究舰船磁场单一旋转椭球体建模及其模型参数稳定性的基础上,以该模型参数作为舰船目标识别的新特征量,用人工神经网络方法对船型、航向等目标模式进行识别,达到了良好的识别效果。     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

水下目标识别技术的发展分析

水下目标识别技术在现代战争中发挥着越来越重要的作用.文章介绍了国外水下目标识别技术的发展历程以及装备的研制、改进情况,指出了在现代战争中发展水下目标识别技术的优势和重要性,重点探讨了几种水下目标识别技术的性能及其特点,最后论述了水下目标识别技术的发展动向与分析.     

水下探测目标识别的BP网络模型的设计与实现

船舶在海洋中航行时,需要雷达系统对航道进行实时监控,此时水下目标的自动识别就显得尤为重要,只有对水下潜在的危险目标进行实时的预测,才能保证航行的安全。因此,本文着重对水下目标的特性识别方法进行了研究,通过BP网络模型建立了能够提取水下目标特征值的算法,同时对输出层和隐含层进行优化,得到了较为理想的水下目标识别模型。仿真结果表明,通过BP网络模型对目标识别算法的优化,目标的识别率都获得了较为明显的提升。     

LFM-Costas编码信号在水下目标识别中的应用

在水声对抗中,为了有效对抗假目标和准确判别目标尺度,提出了一种具有较高时-频联合分辨力和抗混响能力的LFM-Costas编码信号形式。并在浅海混响信道模型和目标多亮点模型基础上研究了LFM-Costas编码信号的目标尺度判别性能。通过仿真和海上试验,表明LFM-Costas编码信号在混响背景下能准确判别目标尺度,具有一定的工程应用价值。     

潜艇动力舱浮筏隔振参数对振动与声辐射的影响

降低动力机械引起的潜艇壳体振动以及水下声辐射一直是工程上的一个重要问题。本文利用ANSYS有限元软件，建立了潜艇动力舱的水下声振耦合模型。通过数值计算，分析了主动力浮筏隔振系统中的参数变化，如上下隔振器的刚度、筏体的质量比和刚度改变对动力舱内振动传递率以及水下辐射噪声的影响。本文建立的计算模型可进一步推广应用于因机械设备引起的整个潜艇水下耦合声振预报。     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

一种水目标识别方法：基于模糊理论的多神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

基于Elman网络模型的空中目标识别方法

为了准确、迅速识别空中目标类型,建立基于Elman神经网络的空中目标识别模型。该模型降低了以往空中目标识别方法中的人为因素,提高目标识别结果的可信度和快速性。通过实例验证,证明该模型的有效性和正确性。     

基于DSP的水下目标模拟器

通过对水下目标亮点回波信号特性的分析,建立水下目标多亮点回波模型.据此模型提出了一种基于DSP的水下目标模拟器的软硬件设计方法.该水下目标模拟器能对各种目标回波信号的强度、多普勒效应、脉冲展宽等参数进行模拟,能产生应答信号,具有实时性好、动态范围大和人机交互性强等特点,为水声设备的试验与鉴定提供了经济便捷的手段.